o2o-infinith-demo/docs/AGENT_SYSTEM_PROMPTS.md

INFINITH Agent System & Prompts

각 에이전트의 역할, 시스템 프롬프트, 프로세스 정의.

---

Pipeline Overview

URL 입력
  ↓
[Agent 1] Channel Discovery Agent — 채널 발견 + 검증
  ↓
[Agent 2] Data Collection Agent — 채널 데이터 전량 수집 + 시장 분석
  ↓
[Agent 3] Marketing Intelligence Agent — AI 리포트 생성
  ↓
[Agent 4] Content Director Agent — 콘텐츠 기획 + 캘린더
  ↓
[Agent 5] Brand Strategist Agent — 브랜드 가이드 + 채널 전략

---

Agent 1: Channel Discovery Agent (채널 발견)

역할: 마케팅 리서처. 병원의 모든 온라인 채널을 찾아내는 전문가.

File: supabase/functions/discover-channels/index.ts

Process (3단계)

1. Stage A: Firecrawl 웹사이트 스크래핑 (병원명 추출 + 소셜 링크 파싱)
2. Stage B: 6개 API 병렬 검색 (YouTube API, Naver API, Firecrawl Search, Perplexity, Apify Instagram)
3. Stage C: 5개 소스 병합 + 핸들 검증

System Prompt (Perplexity — Online Presence 종합 분석)

Role: Digital marketing analyst specializing in Korean medical clinics.
Task: Search the web thoroughly and provide a comprehensive online presence report.
Output: ONLY valid JSON, no explanation.

User Prompt:
"{clinicName}" 병원의 Online Presence를 종합 분석해줘.

아래 채널들을 모두 검색해서 찾아줘:
- 인스타그램 계정 (병원 공식, 원장 개인, 영문 계정 등 여러개 있을 수 있음)
- 유튜브 채널 (메인 채널, Q&A 채널 등)
- 페이스북 페이지
- 틱톡 계정
- 네이버 블로그 (공식 블로그)
- 카카오톡 채널
- 강남언니 등록 여부 및 URL
- 바비톡 등록 여부
- 네이버 플레이스 등록 여부

System Prompt (Perplexity — 병원명 추출 fallback)

Role: None (simple extraction)
System: Respond with ONLY the clinic name in Korean, nothing else.
User: {url} 이 URL의 병원/클리닉 한국어 이름이 뭐야?

Data Sources

Source	API	검색 방법
웹사이트 HTML	Firecrawl scrape + map	URL 파싱으로 소셜 링크 추출
YouTube	YouTube Data API v3	search?type=channel&q={clinicName}
Naver Blog	Naver Search API	blog.json?query={clinicName} 공식 블로그
Naver Web	Naver Search API	webkr.json?query={clinicName} 인스타그램 유튜브
Instagram	Apify instagram-profile-scraper	병원명 변형으로 직접 프로필 검색
종합 검색	Firecrawl Search	{clinicName} instagram youtube 공식
종합 분석	Perplexity sonar	Online Presence 종합 분석

---

Agent 2: Data Collection Agent (데이터 수집)

역할: 데이터 엔지니어. 검증된 채널에서 raw 데이터를 전량 수집.

File: supabase/functions/collect-channel-data/index.ts

Process

9개 API 병렬 호출 (Promise.allSettled):

1. Instagram — Apify instagram-profile-scraper
2. YouTube — YouTube Data API v3 (채널 통계 + 인기 영상 10개)
3. Facebook — Apify facebook-pages-scraper
4. 강남언니 — Firecrawl JSON 추출
5. Naver Blog — Naver Search API
6. Naver Place — Naver Local API
7. Google Maps — Apify compass~crawler-google-places 8-11. 시장 분석 — Perplexity (경쟁사, 키워드, 시장, 타겟 4개 병렬)

System Prompt (시장 분석 — 4개 공통)

Role: Korean medical marketing analyst
System: Always respond in Korean. Provide data in valid JSON format.

Queries:
1. 경쟁사: {address} 근처 {services} 전문 경쟁 병원 5곳 분석
2. 키워드: {services} 관련 검색 키워드 트렌드 (네이버+구글 월간 검색량 20개)
3. 시장: {services[0]} 시장 트렌드 2025-2026 (규모, 성장률, 트렌드)
4. 타겟: {clinicName} 잠재 고객 분석 (연령, 성별, 채널, 의사결정)

System Prompt (강남언니 추출)

Firecrawl JSON extraction:
Extract: hospital name, overall rating (out of 10), total review count,
doctors with names/ratings/review counts/specialties, procedures offered,
address, certifications/badges

---

Agent 3: Marketing Intelligence Agent (리포트 생성)

역할: 마케팅 커뮤니케이션 전략가. 실제 수집 데이터를 기반으로 종합 리포트 작성.

File: supabase/functions/generate-report/index.ts

System Prompt

Role: Korean medical marketing analyst
Constraints:
  - Respond ONLY with valid JSON, no markdown code blocks
  - Use Korean for text fields
  - 강남언니 rating is 10-point scale
  - Use ONLY the provided real data — NEVER invent metrics
  - If data is missing, write "데이터 없음"

User Prompt Structure:
1. 병원 기본 정보 (scraped data)
2. 실제 채널 데이터 (collected from APIs — YouTube 구독자, Instagram 팔로워 등)
3. 시장 분석 데이터 (Perplexity 검색 결과)
4. 웹사이트 브랜딩 (Firecrawl 추출)
5. JSON 리포트 구조 (channelAnalysis, brandIdentity, kpiTargets, recommendations 등)

Output Structure

{
  "clinicInfo": {},
  "executiveSummary": "",
  "overallScore": 0-100,
  "channelAnalysis": { "naverBlog": {}, "instagram": {}, "youtube": {}, ... },
  "brandIdentity": [{ "area": "", "asIs": "", "toBe": "" }],
  "kpiTargets": [{ "metric": "", "current": "", "target3Month": "", "target12Month": "" }],
  "recommendations": [{ "priority": "", "category": "", "title": "", "description": "" }],
  "competitors": [],
  "keywords": {},
  "targetAudience": {},
  "marketTrends": []
}

---

Agent 4: Content Director Agent (콘텐츠 기획)

역할: 콘텐츠 디렉터. 채널 전략과 브랜드 가이드를 기반으로 4주 콘텐츠 캘린더 기획.

File: src/lib/contentDirector.ts

Process (결정론적 — AI 호출 없음)

1. 채널-포맷 매트릭스 구성 (YouTube Shorts/Long, Instagram Reels/Carousel/Stories, 네이버 블로그, Facebook 광고)
2. 주차별 테마 할당 (Week 1: 브랜드 정비, Week 2: 콘텐츠 엔진, Week 3: 소셜 증거, Week 4: 전환 최적화)
3. Pillar-Service 매트릭스로 토픽 생성 (전문성×서비스, 비포애프터×서비스, 후기×서비스, 트렌드×서비스)
4. 기존 YouTube 인기 영상 리퍼포징 배치
5. 월간 콘텐츠 서머리 계산

Input

{
  channels: ChannelStrategyCard[];  // 활성 채널 목록
  pillars: ContentPillar[];          // 4개 콘텐츠 필라
  services: string[];                // 시술 목록
  youtubeVideos: TopVideo[];         // 리퍼포징 소스
  clinicName: string;
}

---

Agent 5: Brand Strategist Agent (브랜드 전략)

역할: 브랜드 전략가. 채널 분석 결과를 브랜드 가이드와 채널별 커뮤니케이션 전략으로 변환.

File: src/lib/transformPlan.ts

Process (결정론적 — AI 호출 없음)

1. 채널 스코어 기반 전략 카드 생성 (P0/P1/P2 우선순위)
2. 브랜드 일관성 분석 (채널 간 이름/로고/연락처 비교)
3. 콘텐츠 필라 정의 (전문성·신뢰 / 비포·애프터 / 환자 후기 / 트렌드·교육)
4. 에셋 수집 및 리퍼포징 제안

---

Agent 6: Image Creator Agent (이미지 생성)

역할: 비주얼 디자이너. 마케팅 이미지 생성.

File: src/services/geminiImageGen.ts

System Prompt

Generate a premium medical marketing image for a plastic surgery clinic.
Theme: {pillarContext}  // safety | expertise | results | care
Style: {channelHint}    // youtube | instagram | naver_blog | tiktok | facebook
Color palette: soft purple (#7B2D8E), gold (#E8B931), warm white (#FAF8F5).
Premium, luxurious, trustworthy aesthetic.
No text or logos in the image.
Photorealistic, high quality, professional medical marketing.

---

Known Issues & Improvement Plan

검색 성능

• Instagram 검색: Perplexity가 찾아도 verify에서 탈락 → unverified 핸들도 후보로 유지
• Apify Instagram 검색 타임아웃 30초 → 60초로 증가
• 강남언니 verify 성공률 개선 — Perplexity URL 힌트 활용도 높이기

프롬프트 품질

• Few-shot example 추가 (성공 응답 예시 포함)
• Chain-of-thought 유도 (리포트 생성 시 분석 과정 단계별 진행)
• JSON 파싱 실패 시 재시도 (temperature 올려서 1회)
• Perplexity response_format: json_object 옵션 활용

데이터 품질

• 주소 정보: Google Maps + Naver Place에서 수집한 주소를 최우선 사용
• 개원 연도 파싱: "데이터 없음 (NaN년)" 방지
• KPI 수치: enrichment 실제 데이터 우선, AI 추측 무시